A Comprehensive Review of Cathodic Arc Evaporation Physical Vapour Deposition (CAE-PVD) Coatings for Enhanced Tribological Performance
Notice bibliographique
Résumé
In the realm of industries focused on tribology, such as the machining industry, among others, the primary objective has been tribological performance enhancement, given its substantial impact on production cost. Amid the variety of tribological enhancement techniques, cathodic arc evaporation physical vapour deposition (CAE-PVD) coatings have emerged as a promising solution offering both tribological performance enhancement and cost-effectiveness. This review article aims to systematically present the subject of CAE-PVD coatings in light of the tribological performance enhancement. It commences with a comprehensive discussion on substrate preparation, emphasizing the significant effect of substrate roughness on the coating properties and the ensuing tribological performance. The literature analysis conducted revealed that optimum tribological performance could be achieved with an average roughness (Ra) of 0.1 µm. Subsequently, the article explores the CAE-PVD process and the coating’s microstructural evolution with emphasis on advances in macroparticles (MPs) formation and reduction. Further discussions are provided on the characterization of the coatings’ microstructural, mechanical, electrochemical and tribological properties. Most importantly, crucial analytical discussions highlighting the impact of deposition parameters namely: arc current, temperature and substrate bias on the coating properties are also provided. The examination of the analyzed literature revealed that the optimum tribological performance can be attained with a 70 to 100 A arc current, a substrate bias ranging from −100 to −200 V and a deposition temperature exceeding 300 °C. The article further explores advancements in coating doping, monolayer and multilayer coating architectures of CAE-PVD coatings. Finally, invaluable recommendations for future exploration by prospective researchers to further enrich the field of study are also provided.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».